Автоматическая оценка фокусного расстояния бортовой камеры космического аппарата по видеоданным стыковки с МКС

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Радиотехническая система измерения параметров движения при сближении и стыковке “Курс” имеет некоторые недостатки: точность измерения при многократных переотражениях волны может падать; техническая аппаратура имеется на обоих стыкующихся аппаратах (активная и пассивная части), что является дорогостоящим; система затратна по энергетическим ресурсам. Анализ существующих зрительных систем показывает, что такие системы успешно решают задачи визуальной одометрии на БПЛА, роботах и подобных устройствах. Однако для применения таких систем необходимо знать внутренние параметры камеры (калибровка). Классическая калибровка с использованием шаблона типа “шахматная доска” трудновыполнима в космическом пространстве. В данной работе предлагаются методы оценки фокусного расстояния камеры, основанные на анализе имеющейся видеопоследовательности с отснятым процессом сближения космических аппаратов. Предложенные подходы основаны на методе максимального правдоподобия (MLE) и оценке апостериорного максимума (MAP) функционала, зависящего от углов Эйлера и фокусного расстояния. Сравнение результатов применения этих методов показывает достоинства MAP перед MLE и возможность их практического применения.

Об авторах

В. А. Зинов

Институт проблем передачи информации им. А.А. Харкевича РАН; Московский физико-технический институт

Email: konovalenko@iitp.ru
Россия, 127051, Москва, Б. Каретный пер., 19/1; Россия, 141707, Долгопрудный, Институтский пер, 9

И. А. Коноваленко

Институт проблем передачи информации им. А.А. Харкевича РАН

Автор, ответственный за переписку.
Email: konovalenko@iitp.ru
Россия, 127051, Москва, Б. Каретный пер., 19/1

Список литературы

  1. Бахшиев А.В., Кирпань Н.А., Корбан П.А. Программный комплекс определения пространственной ориентации объектов по телевизионному изображению в задаче космической стыковки. Экстремальная робототехника. 2013. С. 288–293.
  2. Богуславский А.А., Соколов С.М. Система информационного обеспечения задач сближения, стыковки, посадки космического аппарата на основе компьютерного видения. Механика, управление и информатика. 2011. № 6. С. 140–156.
  3. Бохоева Л.А., Курохтин В.Ю. Определение параметров внутренней калибровки камеры системы технического зрения. МЕХАНИКИ XXI ВЕКА. 2016. № 15. С. 133–138.
  4. Гошин Е.В., Фурсов В.А. Решение задачи автокалибровки камеры с использованием метода согласованной идентификации. Компьютерная оптика. 2012. Т. 36. № 4. С. 605–610.
  5. Коноваленко И.А., Фараджев И.А., Шемякина Ю.А. Оценка точки схода отрезков методом максимального правдоподобия. Вестник ЮУрГУ ММП. 2020. Т. 13. № 1. С. 107–117.
  6. Кунина И.А., Гладилин С.А., Николаев Д.П. Слепая компенсация радиальной дисторсии на одиночном изображении с использованием быстрого преобразования Хафа. Компьютерная оптика. 2016. Т. 40. № 3. С. 395–403.
  7. Медведев С.Б., Сайгираев Х.У., Сазонов В.В. Моделирование зон неустойчивой работы радиотехнической измерительной системы с активным ответом во время сближения и стыковки космических кораблей с международной космической станцией. Математическое моделирование. 2012. Т. 24. № 2. С. 151–160.
  8. Миллер Б.М., Степанян К.В., Попов А.К., Миллер А.Б. Навигация БПЛА на основе последовательностей изображений, регистрируемых бортовой видеокамерой. Автоматика и телемеханика. 2017. № 12. С. 141–153.
  9. Мюллер К., Дж. Атман., Троммер Г.Ф. Сопоставление изображений с широкой базовой линией и отслеживание траектории БПЛА при его приближении к окну здания. Гироскопия и навигация. 2019. Т. 27. № 4. С. 52–68.
  10. Попов А.К., Миллер А.Б., Степанян К.В., Миллер Б.М. Моделирование процесса навигации беспилотного летательного аппарата с использованием двух бортовых камер, смещенных по высоте. Сенсорные системы. 2018. Т. 2. № 1. С. 19–25.
  11. Сайгираев Х.У., Смирнов А.И., Соколов С.М., Богуславский А.А., Сазонов В.В. Автоматический мониторинг стыковки космического корабля с орбитальной станцией по видеоинформации. Препринты ИПМ им. М. В. Келдыша. 2004. № 74. С. 23.
  12. Fischler M.A., Bolles R.C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM. 1981. V. 24. № 6. P. 381–395. https://doi.org/10.1145/358669.358692
  13. Grush R. Spacex’s crew dragon capsule successfully docks to the ISS for the first time. 2019. URL: https://www.theverge.com/2019/3/3/18244501/spacex-crew-dragon-automatic-docking-international-space-station-nasa. (accessed: 2021-09-24.)
  14. Grush R. Spacex’s crew dragon successfully docks with the space station. 2020. URL: https://www.theverge.com/2020/5/31/21271269/spacex-docking-iss-crew-dragon-nasa-success. (accessed: 2021-09-25.)
  15. Hartley R. Self-calibration of stationary cameras. International Journal of Computer Vision. 1997. V. 1. № 22. P. 5–23. https://doi.org/10.1023/A:1007957826135
  16. Hartley R. In defence of the 8-point algorithm. Proc. of 5th International Conference on Computer Vision. 1995. P. 1064–1070. https://doi.org/10.1109/34.601246
  17. Heikkila J. Silven O. A four-step camera calibration procedure with implicit image correction. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 1997. V. 36. № 4. P. 1106–1112. https://doi.org/10.1109/CVPR.1997.609468
  18. Karpenko S., Konovalenko I., Miller A., Miller B., Nikolaev D. Uav control on the basis of 3d landmark bearingonly observations. Sensors. 2015. № 15. P. 29802–29820. https://doi.org/10.3390/s151229768
  19. Konovalenko I., Miller A., Miller B., Nikolaev D. Uav navigation on the basis of the feature points detection on underlying surface. In Proceedings of the 29th European Conference on Modeling and Simulation (ECMS 2015). 2015. № 15 P. 499–505. https://doi.org/10.7148/2015-0499
  20. Lowe D.G. Object recognition from local scale-invariant features. Proceedings of the Seventh IEEE International Conference on Computer Vision. 1999. V. 2. P. 1150–1157. https://doi.org/10.1109/ICCV.1999.790410
  21. Medioni G., Kang S.B. Emerging topics in computer vision. 2004. P. 654.
  22. Nelder J.A. and Mead. A simplex method for function minimization. Computer journal. 1965. № 7. P. 308–313. https://doi.org/10.1093/comjnl/7.4.308
  23. Stein G. Accurate internal camera calibration using rotation, with analysis of sources of error. Computer Vision, Proceedings, Fifth International Conference on. 1995. https://doi.org/10.1109/ICCV.1995.466781
  24. Zhang Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. V. 22. № 11 P. 1330–1334.https://doi.org/10.1109/34.888718

Дополнительные файлы


© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах